[發(fā)明專利]一種增材制造零件表面缺陷在線檢測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110996952.3
• 申請(qǐng)日: 2021-08-27
• 公開（公告）號(hào): CN113781585A
• 公開（公告）日: 2021-12-10
• 發(fā)明（設(shè)計(jì)）人: 黃丞;張海鷗;王桂蘭;宋豪;李潤(rùn)聲;張華昱
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué)
• 主分類號(hào): G06T7/90
• 分類號(hào): G06T7/90;G06T7/62;G06T5/30;G06T3/00;G06K9/62
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 劉洋洋

1.一種增材制造零件表面缺陷在線檢測(cè)方法，其特征在于，所述方法包括：

S1：在增材制造成形過程中獲取當(dāng)前打印層表面形貌的三維點(diǎn)云數(shù)據(jù)；

S2：以所述三維點(diǎn)云數(shù)據(jù)的邊界為邊界得到包括多個(gè)網(wǎng)格的圖像網(wǎng)格，將所述三維點(diǎn)云數(shù)據(jù)投影至所述圖像網(wǎng)格，并將每一網(wǎng)格中點(diǎn)的平均高度值作為對(duì)應(yīng)網(wǎng)絡(luò)的高度值，并將所有網(wǎng)格的高度值轉(zhuǎn)換成像素值，從而得到當(dāng)前打印層表面的二維形貌圖像；

S3：根據(jù)缺陷情況對(duì)所述二維形貌圖像中的像素進(jìn)行分類并標(biāo)記，進(jìn)而獲取缺陷類型的特征值以及對(duì)應(yīng)的標(biāo)簽值；

S4：以所述特征值為輸入并以所述標(biāo)簽值為輸出對(duì)分類模型進(jìn)行訓(xùn)練獲得訓(xùn)練完成的分類模型；

S5：獲取待識(shí)別打印層表面形貌的特征值，將所述特征值輸入所述訓(xùn)練完成的分類模型獲得當(dāng)前打印層表面的缺陷類型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S2中所述將所有網(wǎng)格的高度值轉(zhuǎn)換成像素值具體包括：

S21：計(jì)算所述三維點(diǎn)云數(shù)據(jù)的擬合高度Ha；

S22：計(jì)算各網(wǎng)格點(diǎn)內(nèi)的高度值與所述擬合高度Ha的差值；

S23：將所述差值采用非線性變換函數(shù)歸一至0～255的像素值區(qū)間得到對(duì)應(yīng)的像素值。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，采用高度平均值、最小二乘法或隨機(jī)采樣一致法擬合平面中的一種計(jì)算所述擬合高度Ha。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述非線性變換函數(shù)為sigmoid函數(shù)，采用如下公式將所述網(wǎng)絡(luò)的高度值H(i，j)轉(zhuǎn)換為像素值I(i，j)：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述特征值包括：像素值、邊界距離值、Laplace銳化值或窗口臨近像素的統(tǒng)計(jì)特征值中的一種或幾種，其中，所述邊界距離值通過計(jì)算像素點(diǎn)與二維形貌圖像的邊界的最小距離得到；Laplace銳化值通過二維形貌圖像與Laplace核函數(shù)卷積得到；所述窗口臨近像素的統(tǒng)計(jì)特征值通過以某一像素點(diǎn)為中心對(duì)其周圍網(wǎng)絡(luò)的像素點(diǎn)的最值、均值、方差和熵進(jìn)行計(jì)算得到。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，將K-臨近模型、決策樹模型、樸樹貝葉斯模型、支持向量機(jī)模型、人工神經(jīng)網(wǎng)絡(luò)模型中分類效果最好的模型作為所述分類模型，采用精確率P和召回率R評(píng)估所述分類模型的分類效果：

P＝TP/(TP+FP)

R＝TP/(TP+FN)

其中，TP表示將正類預(yù)測(cè)為正類；FP表示將負(fù)類預(yù)測(cè)為正類；TN表示將負(fù)類預(yù)測(cè)為負(fù)類；FN表示將正類預(yù)測(cè)為負(fù)類。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

S6：將所述缺陷類型進(jìn)行二值化處理得到對(duì)應(yīng)缺陷的二值圖像，其中，缺陷對(duì)應(yīng)的像素值為255，其他對(duì)應(yīng)的像素值為0；

S7：對(duì)部分缺陷類型對(duì)應(yīng)的二值圖像進(jìn)行閉運(yùn)算的形態(tài)學(xué)處理，對(duì)另一部分缺陷類型對(duì)應(yīng)的二值圖像進(jìn)行膨脹形態(tài)學(xué)處理，而后進(jìn)行輪廓查找過濾掉輪廓面積小于閾值的無效缺陷；

S8：繪制輪廓包圍區(qū)域，以及確定缺陷的區(qū)域尺寸和位置。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S1還包括對(duì)所述三維點(diǎn)云數(shù)據(jù)進(jìn)行處理：

獲取上一層打印層層高并截取層高以上的點(diǎn)云；

對(duì)截取后的點(diǎn)云計(jì)算空間點(diǎn)半徑范圍臨近點(diǎn)數(shù)量，去除數(shù)量小于閾值的無效點(diǎn)；

對(duì)點(diǎn)云采用區(qū)域生長(zhǎng)算法進(jìn)行聚類，通過分類簇的點(diǎn)云數(shù)目大小和平均高度來篩選得到當(dāng)前層打印區(qū)域的點(diǎn)云。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用非接觸的光學(xué)形貌傳感器獲得所述三維點(diǎn)云數(shù)據(jù)，步驟S1還包括標(biāo)定所述光學(xué)形貌傳感器的打印坐標(biāo)系。

10.一種增材制造零件表面缺陷的在線檢測(cè)系統(tǒng)，其特征在于，所述系統(tǒng)包括：

三維點(diǎn)云獲取模塊：用于在增材制造成形過程中獲取當(dāng)前打印層表面形貌的三維點(diǎn)云數(shù)據(jù)；

二維形貌獲取模塊：用于以所述三維點(diǎn)云數(shù)據(jù)的邊界為邊界得到包括多個(gè)網(wǎng)格的圖像網(wǎng)格，將所述三維點(diǎn)云數(shù)據(jù)投影至所述圖像網(wǎng)格，并將每一網(wǎng)格中點(diǎn)的平均高度值作為對(duì)應(yīng)網(wǎng)絡(luò)的高度值，并將所有網(wǎng)格的高度值轉(zhuǎn)換成像素值，從而得到當(dāng)前打印層表面的二維形貌圖像；

分類與標(biāo)記模塊：用于根據(jù)缺陷情況對(duì)所述二維形貌圖像中的像素進(jìn)行分類并標(biāo)記，進(jìn)而獲取缺陷類型的特征值以及對(duì)應(yīng)的標(biāo)簽值；

訓(xùn)練模塊：用于以所述特征值為輸入并以所述標(biāo)簽值為輸出對(duì)分類模型進(jìn)行訓(xùn)練獲得訓(xùn)練完成的分類模型；

結(jié)果獲取模塊：用于獲取待識(shí)別打印層表面形貌的特征值，將所述特征值輸入所述訓(xùn)練完成的分類模型獲得當(dāng)前打印層表面的缺陷類型。